• En 1962 se publicó “The Future of Data Analysis” (FoDA).
• Se hablaba entonces de una nueva ciencia, una cuyo tema de interés es aprender de los datos.

John Tukey, autor de FoDA y uno de los estadísticos más importantes del siglo XX

• “Data Science Initiative” (DSI) es un movimiento de la Universidad de Michigan anunciado en 2015 con un presupuesto de 100MDD.
• Los estadísticos se sienten excluidos del “Data Science Movement”.
• Para ellos, mucho de lo que representa CD no es nada nuevo.
• Las definiciones tanto de DS como de la Estadística pueden ser en muchos casos intercambiables.

“Científico de datos” se refiere a un profesional que utiliza métodos científicos para liberar y crear significado a partir de datos sin procesar.

“Estadística” significa la práctica o la ciencia de recopilar y analizar datos numéricos en grandes cantidades.

• Claramente hay muchas visiones de la CD y su relación con la estadística. A continuación se presentan algunos de estos temas recurrentes.

• BD no es algo exactamente nuevo. Por ejemplo: desde hace cientos de años se han ejecutado censos de población.
• Los estadísticos siempre se han sentido cómodos con grandes conjuntos de datos como estos.
• Dentro de la estadística se crearon herramientas para tratar con BD como lo son el “muestreo” y la “suficiencia”.
• DS = BD no obtiene nada demasiado sustancial en las áreas involucradas.

Extracto del primer censo en EEUU en 1790

• CD se enfoca en BD, pero esta no puede ser acomodada en recursos computacionales normales.
• Los cientificos de datos tienen las habilidades necesarias para lidiar con estos grandes conjuntos de datos.
• Pero, ¿Son habilidades para resolver el problema real de inferencia?
• En realidad se trata de habilidades para lidiar con artefactos como el computo distribuido a gran escala.

Hadoop y otras herramientas para cluster computing

• Se ha creado una gran necesidad en el mercado labora por Científicos de Datos.
• Pero, hay pocos puestos de CD reales para personas sin experiencia laboral.
• El desarrollo de un buen científico de datos tomará dedicación y tiempo.
• Los programas actuales de CD pueden no crear Científicos de datos preparados para todas las bases de datos, software y workflows que hay allá afuera.

Cantidad de posiciones CD entre 2010 y 2020

• Los medios populares se han vuelto locos acerca de la CD.
• Es comprensible ya que sí estamos presenciando algo nunca antes visto.
• Lo cierto que si hay (y habrán) muchos datos allá afuera que esperan su procesamiento.

Principales blogs de tecnología

• Eat spaghetti
• Drink wine

• Get in bed

• https://www.amphilsoc.org/item-detail/photograph-john-wilder-tukey
• https://www.smithsonianmag.com/smart-news/first-us-census-only-asked-six-questions-180964234/
• https://www.cloudsigma.com/introduction-to-hadoop/
• https://www.datasciencecentral.com/data-science-job-market-shrinking-not-so-fast/